Genom çaplı ilişki çalışmaları için yapay zekâ teknikleri ile etiket snp seçimi
Tag snp selection with artificial intelligence techniques for genome-wide association studies
- Tez No: 327021
- Danışmanlar: YRD. DOÇ. DR. GÜLAY TEZEL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Algoritmalar, Genetik, Genetik algoritmalar, Haplotip analizi, Optimizasyon, Algorithms, Genetics, Genetic algorithms, Haplotype analysis, Optimization
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Karmaşık hastalıklarla ilişkili genetik değişimlerin araştırılması daha iyi teşhis ve tedaviye hizmet edebilecek önemli bir araştırma konusudur. İnsan genomunda bulunan milyonlarca değişimin çoğunluğunu oluşturan Tek Nükleotid Polimorfizm'leri (Single Nucleotide Polimorphisms - SNPs) hastalık-gen ilişki çalışmaları için oldukça umut vericidir. Bununla beraber, bu çalışmalar çok büyük sayıdaki SNP'leri genotipleme maliyeti ile sınırlıdır. Bu nedenle geriye kalan SNP'leri mümkün olduğu kadar maksimum doğrulukla temsil edecek bütün SNP'lerin bir alt kümesini belirlemek esastır. Bu işlem etiket SNP (tag SNP) seçimi olarak bilinir.Bu tez çalışmasında, etiket SNP seçim probleminin çözümü için üç farklı metot önerilmiştir. Bu metotlardan ilkinde, etiket SNP seçim metodu olarak Genetik Algoritma (Genetic Algorithm - GA) ve geriye kalan SNP'lerin tahmini için ise Destek Vektör Makinesi (Support Vector Machine - SVM) kullanılmış ve GA-SVM olarak adlandırılmıştır. Geliştirilen ikinci metotta ise GA-SVM metodunda sabit değer olarak kullanılan SVM'nin C ve ? parametrelerinin optimizasyonu için Parçacık Sürü Optimizasyon (Particle Swarm Optimization - PSO) algoritması kullanılmış ve Parametre Optimizasyonlu GA-SVM yöntemi olarak adlandırılmıştır. Son metotta ise Parametre Optimizasyonlu GA-SVM yöntemindeki etiket SNP seçim metodu olarak kullanılan GA yerine Klonal Seçim Algoritması (Clonal Selection Algorithm - CLONALG) kullanılmış ve Parametre Optimizasyonlu CLONTagger yöntemi olarak adlandırılmıştır.Geliştirilen bu metotlar, farklı veri kümeleri üzerinde farklı sayıdaki etiket SNP'ler için güncel metotlardan daha iyi tahmin doğruluğu sağlamıştır.
Özet (Çeviri)
Investigations on genetic variants associated with complex diseases are one of important research subjects to serve the better diagnosis and treatment. SNPs (Single Nucleotide Polymorphisms), which comprise most of the millions of changes in human genome, are promising tools for disease-gene association studies. On the other hand, these studies are limited by cost of genotyping tremendous number of SNPs. Therefore, it is essential to identify a subset of SNPs that represents rest of the SNPs with the accuracy as high as possible. This process is known as the tag SNP selection.In this study, three different methods are proposed for the solution of the problem of tag SNP selection. In the first of these methods, Genetic Algorithm (GA) was used as tag SNP selection method and Support Vector Machine (SVM) was used for prediction the rest of SNPs. This new method is called as GA-SVM. In the proposed second method, Particle Swarm Optimization (PSO) algorithm was preferred to optimize C and ? parameters of SVM used as a fixed value in the GA-SVM method and it is called as GA-SVM method with parameter optimization. In the last method, instead of GA implemented as tag SNP sellection method in the GA-SVM method with parameter optimization Clonal Selection Algorithm (CLONALG) was used and it is called as CLONTagger method with parameter optimization.The proposed methods demonstrate considerably higher prediction accuracy than current methods for different datasets at different numbers of tag SNPs.
Benzer Tezler
- Kuraklık ve tuz stresi altındaki phaseolus vulgaris L'e ait set domain gen ailesinin omik yaklaşımlar ile ifade seviyelerinin belirlenmesi
Determination of expression levels of the set domain gene family belonging to phaseolus vulgaris L. under drought and salt stress using omic aproaches
SÜMEYYA İNCE
Yüksek Lisans
Türkçe
2026
ZiraatErzurum Teknik ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. EMRE İLHAN
- Doğu ve Güneydoğu Anadolu Bölgesinde görülen erken yaş meme kanseri ile fgfr2 ve tp53 tek nükleotid polimorfizmleri arasındaki ilişki
Association of the single nucleotide polymorphisms in fgfr2 and tp53 genes with early onset breast cancer in Eastern and Southeastern Turkey
IRMAK İÇEN TAŞKIN
Doktora
Türkçe
2017
Moleküler TıpFırat ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. ÖMER MUNZUROĞLU
YRD. DOÇ. DR. SEVGİ İRTEGÜN KANDEMİR
- Differential expression of proteins in active and inactive phases of Behçet's syndrome
Behçet sendromunun aktif ve inaktif fazlarında farklı protein ekspresyonları
KIYMET ASLI KİREÇTEPE AYDIN
Doktora
İngilizce
2019
Tıbbi Biyolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)
PROF. DR. EDA TAHİR TURANLI
- Türk fasulye genetik kaynaklarında bazı agronomik özellikler için genomik bölgelerin genom çapı ilişkili çalışmalar (GWAS) ile tanımlanması
Identification of genomic regions for various agronomic traits in turkish common bean germplasm with genome wide association studies (GWAS)
MUHAMMAD AZHAR NADEEM
Doktora
Türkçe
2019
ZiraatBolu Abant İzzet Baysal ÜniversitesiTarla Bitkileri Ana Bilim Dalı
DOÇ. DR. FAHEEM SHAHZAD BALOCH
- A linkage analysis and a genome-wide association study on familial multiple sclerosis
Ailesel multipl skleroz'da bağlantı analizi ve genom çapı ilişkilendirme çalışması
ELİF EVEREST
Yüksek Lisans
İngilizce
2015
Genetikİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. EDA TAHİR TURANLI